新智元報道

【新智元導讀】Opus 4.7發布剛43天，Opus 4.8就來了！編程實力暴增，全面霸榜。Claude Code一口氣放出上百個agent并行干活，一個人11天就能重寫75萬行代碼、99.8%測試通過。更狠的Claude Mythos，幾周后就來。

猝不及防，Anthropic深夜殺回來了！

就在剛剛，Claude Opus 4.8正式登場，一舉奪回全球AI王座。

而且價格還一分沒漲，跟上一代一模一樣。

無論是編程、人類最后考試（HLE），還是在智能體、計算機使用任務中，Opus 4.8幾乎無可匹敵。

在衡量真實世界Agent能力的硬核榜單GDPval-AA上，Opus 4.8拿下了1890 Elo，斷層第一。

比上一代Opus 4.7高137分，比GPT-5.5高121分。換算成對戰勝率，贏面高達67%。

不僅如此，完成同樣的任務，要比4.7少用15%的步驟，少輸出35%的token。

可謂是，又快，又強，又便宜。

知名博主Mark Kretschmann一句話點破它的來頭——Opus 4.8可能就是蒸餾的Mythos。

更重磅的是，這個最強的Claude Mythos，幾周內就會上線。

Opus 4.8，兩個0%改寫歷史

跑分之外，Anthropic這次反復強調的，就倆字，誠實。

用過LLM的人應該都體驗過，寫完一段代碼之后，AI拍著胸脯告訴你「搞定了，沒問題」，但實際上卻埋著一堆雷。

被這種過度自信坑過的開發者，海了去了。

但到了Opus 4.8這里，「寫完有缺陷代碼卻悶不吭聲」的概率，比4.7低了差不多4倍！

下面這張圖中，右邊是「謊報率」，衡量模型在數據處理有缺陷時裝作沒事的頻率。

Opus 4.5是0.40，Opus 4.7是0.25，Opus 4.8是0.00。

沒有小數點后面的零頭，就是0。

Opus 4.8是第一個在此評估中拿到滿分的模型，它從不匯報虛假數字。

另一張圖是「偷懶調查率」。

之前的模型遇到需要追查的問題時，經常敷衍了事給個錯誤答案。

Opus 4.7有25%的概率偷懶，而Opus 4.8依然是0%。

兩個0%，兩個歷史首次。

這不是什么抽象的對齊指標。Anthropic官博放了一段視頻，把這件事講得很具體。

一個開發者用Claude Code + Opus 4.8在遷移代碼，出門放風箏去了，Claude在后臺自己跑。

跑到一半，代碼提交被服務器拒絕了，原因是同事在這期間也提交了一個緊急修復。

Claude通過手機通知開發者，說自己打算先合并同事的修改再重試。開發者嫌麻煩，隨手回了一句「直接強制覆蓋就行」。

然而，Claude拒絕了——

不強制覆蓋。那樣會丟掉同事11:42提交的緊急修復。我已經把兩邊的改動合并好了，代碼完全一致，提交歷史也干凈。已推送。

用戶圖省事讓AI走捷徑，AI判斷出這樣做會覆蓋同事的工作，拒絕執行，自己選了正確方案。

編碼實力暴增，全面霸榜

值得一提的是，在長達244頁的系統卡中，還藏著更多Opus 4.8編碼能力的細節。

https://cdn.sanity.io/files/4zrzovbb/website/c886650a2e96fc0925c805a1a7ca77314ccbf4a6.pdf

最經典的SWE-Bench Pro測試，Opus 4.8拿下了69.2%成績，比GPT-5.5整整高出10個百分點。

接著是一項更刁鉆的測試，ProgramBench。

任務是給你一個編譯好的二進制文件加一份項目文檔，不準反編譯、不準聯網，讓模型從零把源代碼重建出來，還得跑通行為測試。

結果，所有上下文預算檔位上，Opus 4.8的通過率全部高于4.7。

而且在低預算（1M token）時，Opus 4.8就能拿到約79.5%，Opus 4.7在5M時也才84%左右。

說白了就是：給更多「思考時間」，模型表現更好；同樣的預算下，4.8全面領先4.7。

最后，是一個專沖「人類能力天花板」去的榜單——FrontierSWE。

這里出的全是硬核系統工程的活兒，用Zig從零寫一個PostgreSQL服務器、把git整個重寫一遍、做一個Lua的原生編譯器。

沒想到，Opus 4.8以高達83%的勝率登頂，把第二名的GPT-5.5和前代4.7全壓在身后。

不過，Opus 4.8也有夠不著的地方。

在評估「Claude能否自動化AI研發」的核心指標上，它把Anthropic的能力前沿再往前推了一步。

這哪是4.8，分明是Opus 5

在第三方的實測中，Opus 4.8的實力完全就是Opus 5的存在。

Every團隊一篇報告中，直言Opus 4.8的編碼實力好太多，比上一代高出30分。

甚至，它完成了一次從0開始的生產級代碼庫重寫，并且真的構建出了可運行的成果。

在寫作方面，它比GPT-5.5高出6分，AI味兒瞬間淡了，生成的文本更加流暢。

而且，Opus 4.8撰寫的報告、研究等知識工作任務中，表現極其出色，可以做到一次直出PPT。

沃頓商學院CS教授Ethan Mollick給出的評價是，「令人印象深刻」！

實測中，Opus 4.8一次性就生成了在twigl中運行的、效果炫酷的著色器。

再來看一個，Opus 4.8和Opus 4.7并排測試。

上百個Agent并行干活

11天重寫底層

強成這樣，它該使多大勁，這次居然輪到用戶說了算。

先說effort control（思考力度）。模型旁邊，多了個從Low到Max的五檔選擇。

簡單問題掛Low，秒回還省額度；遇上硬骨頭直接拉滿Max，讓它往死里想。

fast mode也跟著大降價，2.5倍速狂奔，價錢反倒砍到三分之一。

而五檔之上，還埋著一個真正的狠角色，ultracode。

effort一旦頂到xhigh，它就自己掂量，這活兒值不值得叫上一整支agent大軍。

這支大軍，就是dynamic workflows，藏在Claude Code里的真正重武器。

它把AI干活的方式，從一個人改一道題，變成了開一座工廠。

需要注意的是，dynamic workflows的token消耗遠高于普通session，建議先從小范圍任務試起。

現在，Claude接到一個大活后不再自己埋頭硬剛，而是當場寫出一段調度腳本，把任務拆成幾十上百個子任務，撒給一大群subagent并行去做。

做完還不算完，再派另一撥agent從不同角度反復盤問、互相挑刺，吵到答案收斂了，才匯總成一份結果交給你。

整個調度發生在對話之外，所以活兒再大，主線也不會亂。中途斷了還能續上，不用從頭再來。

舉個例子，Bun的作者Jarred Sumner，想把這個比Node.js還快的JavaScript運行時，整個從Zig重寫成內存更安全的Rust。

這種遷移，放在過去是一支團隊按季度算的工程。

不過，這次Sumner有了dynamic workflows。

一個workflow先把Zig代碼里每個結構體字段對應的Rust生命周期挨個標好，下一個workflow把每個文件逐一翻成行為一致的Rust版本，幾百個agent同時開工，每份文件還配兩個審查員，再用一個修復循環驅動編譯和測試，一路推到全綠。

結果是，約75萬行Rust代碼，99.8%的原有測試通過。從第一次提交到合并，只用了11天。

社區當場炸了鍋。這場遷移產生了六千多次提交，幾乎沒有經過人類逐行審查。

估值萬億美金

Claude Mythos要來

能力奪回第一的同時，Anthropic的身價也頭一回壓過了OpenAI。

就在剛剛，Anthropic完成了650億美元H輪融資，估值9650億美元，首次超越OpenAI（8520億美元）。

一夜之間，它成了全球估值最高的AI初創公司！

然而，站在IPO前夜，這兩大巨頭的ASI的巔峰對決才真正開始。

正如博客所預告的那樣，Anthropic手中最大的王牌——Claude Mythos將在未來幾周上線。

屆時，這場屬于AI巨頭間的終極拉鋸戰，才算拉開帷幕。

參考資料：

https://x.com/claudeai/status/2060042702150930686

https://www.anthropic.com/news/claude-opus-4-8

https://claude.com/blog/introducing-dynamic-workflows-in-claude-code

編輯：摩西 桃子